Научная статья на тему 'Искусственный интеллект в обучении'

Искусственный интеллект в обучении Текст научной статьи по специальности «Науки об образовании»

CC BY
1479
174
i Надоели баннеры? Вы всегда можете отключить рекламу.

Аннотация научной статьи по наукам об образовании, автор научной работы — Евсеева Ольга Николаевна

Статья содержит обзор применения методов искусственного интеллекта в обучении, анализ перспектив и направлений развитая интеллектуальных обучающих систем, иллюстрацию современных достижений в этой области

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Искусственный интеллект в обучении»

CIWLCOK ЛИТЕРАТУРЫ

1. Проблемы компьютерной лингвистики: Сборник тучных статей. Минеи, 1997.

2. Настольная книга преподавателя иностранного языка: Справочное пособие I Под ред. Леонтьева A.A. Минск: Вышэйшая школа, 1997. J

3. Computers in the FL Classroom. Council of Europe Workshop. - Graz, 1996.

Соснина Екатерина Петровна, кандидат технических наук, окончи* радиотехнический факультет Ульяновского политехнического институтп * специальности «Вычислительные машины, комплексы, системы и гимн* Заведующая циклом «Прикладная лингвистика» при кафедре иностранных """ УлГТУ, заведующая лабораторией «Вычислительная лингвистика» УлГТУ Нин публикации и монографии в области применения методов и <чмЛ*ш искусственного интеллекта в САПР\ а также в области прикладной линмшт**

УДК 53Ш322

О Л. ЕВСЕЕВА ^Я

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В ОБУЧЕНИИ

Статья обзор примекетея методов искусственного ннтсллси 1« *

анализ перспектив и направлений развитая шггелле;сгуальных обучлюмМЙ иллюстоапию современных тстюкъши в этой области.

|г»г

Исследования* связанные с проблемами поиска пум*II > поддержки процессов обучения с помощью комиьюмс развиваются во всем мире уже довольно давно. С/ю соответствующие представления в этой предметной иГни терминология.

Например, для англоязычной литературы харахпрнм основные понятия и сокращения: CAL / CBL - CompuU i А Learning, MML - Machine Mediated Learning, С AI / CHI ' Ml Assisted / Based / Managed Instruction, ICAI - Intelligent « ниц Instruction, CBT / ITS ~ Computer Based Training, Intel Идо*11 1 для немецкой - CIJL / RUL - Computer-unterstutztes / Iimh ICUU/CUU - intelligentes / Computer-unterstutzter Untern» Iii, 11 Tutorilles System, ILS / WLS-Intel 1 igentes Lehrsyntcm, V» | Lehrsystem; для отечественной - AOC - Автоматики рпммМ Система, АУК - Автоматизированный Учебный Курс, и щ»

96

и 4

Сегодня нашли широкое применение в мире автоматизированного обучения следующие формы компьютерных уроков:

1) компьютерные обучающие инструкции (Tutor);

2) компьютерные программы упражнений (Trainer/Coach);

3) компьютерное моделирование (Labor).

Для инструкций характерно, что «ученику» не известны элементы знаний. Система руководит им как учитель при знакомстве с областью знаний, облегчая ему навигацию в учебном материале. При работе с компьютерной программой упражнений система помогает ученику при подготовке заданий найти нужную информацию, факты. При моделировании процесс обучения опирается на возможность экспериментирования.

НАПРАВЛЕНИЯ РАЗВИТИЯ ОБУЧАЮЩИХ СИСТЕМ

Основными направлениями развития систем автоматизированного Лучения являются: поиск эффективных способов коммуникации; развитие К 41 юлогической среды подготовки и использования компьютерных курсов; поиск средств адаптации и индивидуализации компьютерных курсов.

Развитие средств коммуникации идет на базе мультимедиа-средств. Мырое направление представлено разнообразными авторскими системами. f | «питие в области форм диалога и представления знаний обучающих систем I но пути внутренней структуризации знаний на базе методов bft умственного интеллекта с использованием техники, основанной на

.......имх. Это интеллектуальные обучающие системы. Они наиболее

■'(Почтительны в обучении, так как динамичны в процессе работы с ffiiiiM учеником. Исследования ведутся на стыке информатики, офии, педагогики, дидактики и лингвистики, рщиитие автоматизированных систем обучения в сторону 1м к к гуализации связано со стремлением достичь необходимых свойств Мнимости систем к индивидуальности обучаемого, что предполагает MiMitmo в таких системах функций, как; разделение учебного материала Муки; выбор соразмерных по трудности определенных шагов обучения: 4Ьи))шиие разнообразных альтернативных форм представления учебного "•»'üi. которые могут учитывать индивидуальные особенности lim, обеспечение постоянных проверок после очередного шага й периодическое информирование учеников о предстоящих им •■•учения для облегчения планирования и проведения учебного мочможность внесения изменений в ход процесса обучения в in от сделанных учеником ошибок; предоставление ученику цпободы действий.

им гния развития современных обучающих систем зависят от Им уровня автоматизации процесса обучения и, главное, от i ипа представления (модели) этого процесса, уровня автоматизации процесса обучения опирается на • фипицы «ответственности» между компьютером и человеком * ищ в роли «педагога», так и в роли «обучаемого»). В

'И I 7W

I

соответствии с чем и строится модель процесса обучения. Акценты здесь ставятся на поиски следующих ответов. Во-первых, как помочь педагогу реализовать свою методику обучения в компьютерной среде? ГУ\'0 различного рода авторские системы. Основными направлениями их развитии являются, с одной стороны, создание инструментальных систем, взаимодействующих с конечным пользователем (автором учебного курс«) и интерактивном режиме и не требующих от него умения программирож*11 [1,9], с другой стороны, разработка систем, опирающихся ми специализированные языки описания учебных курсов и языки управляй процессом обучения [12,13]. Как мне кажется, сейчас явно намети Л и<Й тенденция к слиянию этих двух направлений. Современные идеи и примцинм создания открытых систем для конечного пользователя, яркой иллюстр»ии>И реализации которых является, например, среда Microsoft Office, завоеиымим и область разработки и применения обучающих систем. В этой сипимик актуальным становится исследование способов (методик) реализации *«< элементарных кирпичиков («учебных единиц») процесса обум#|1е выдалсяие их существенных элементов и поиск для последних адекипшм естественных с точки зрения пользователя средств представлении. Щ ' элементов организации учебного курса в целом. ^НЩ

Вторым важным акцептом в создании обучающих систем являе м и мШЖ контроля процесса обучения. Это поиски в области интелЛОнувЛЩ особенностей обучающих систем, разработка и использование в ofiv«"* системе адекватной модели обучаемого [4,11].

ВОЗМОЖНОСТИ I4HTEЛЛБКТУАЛЬ1ILIX ОБУЧАЮЩИХ ( ! H "M

Первая интеллектуальная обучающая система SCHOLAR (|«-м, Carboneli) [1,2] появилась в 1970 г. и была предназначена дни Щ географии Южяой Америки. Она понимает простые мм» предложения, но имеет существенные ограничения и нЩ возможностей адаптации к индивидуальным особенностям уМ1>Н да!пп>1х системы реализована в виде семантической сети, yt/iM содержат различную информацию - атрибуты, примеры, нашими»* • используются классы объектов и наследование. Управление по заданному плану, который не преследует глобальных активный диалог. Для формирования ответов на ион|««"М используются правила. В ходе диалога учитывается ш HtffH обучения и достигнутый уровень знаний на текущем шаге мн# "The Quadratic Tutor" (1982 г., разработчик O'Shca, иргнм* мМ решение элементарных квадратных уравнений) [2] уж< оСтЫ**! стратегией обучения на базе системы продукций и ши *

варьировать процесс ооучения, в случае когда ум«нмк поставленной цели. Правила продукции, определяющие w ч^^МК последовательно модифицируются для выбора эффект минi ♦ Система GUIDON (1984 г., разработчик Clanccy) Г Ч экспертной системе MYCIN. Она использует и модуль «ми., и

98

•Hl ii

правил MYCIN. «Знания учителя» - модульные и содержат около 200 правил. Модель обучаемого состоит из трех различных информационных источников, которые для каждого релевантного правила знаний системы представляют собой: демонстрацию применений учеником правила при решении задач в системе; вычисляемую оценку возможностей ученика, которая фиксируется в правилах; вычисляемую оценку возможностей ученика, по которой выбирается правило для обоснования решения. Знания ученика представлены как часть экспертных знаний. Диалоговые процедуры описывают общие принципы ведения диалога. Они могут обращаться к правилам, которые определяют правила вмешательства «учителя». Стратегия обучения опирается на следующие принципы: экономичная и стимулирующая стратегия представления информации; выбор посредством меню; ведение диалога с помощью ясно структурированных и понятных сообщений; экспликация отсутствия понимания на базе экспертизы; проверка решения ученика с учетом накопленных знаний о его компетенции; поддержка шагов обучения на основе принципа «наименьшего шага». (iUIDON дает ученику широкое пространство для личной инициативы и развития каждой идеи и гипотезы.

^ LISP-Tutor (Carnegie-Mellon University, 1984 г., разработчики Anderson и Holser) [2] - система обучения программированию на ЛИСПе. Предполагается прослушивание обучаемым соответствующего курса по Программированию на ЛИСПе, а затем практическое его освоение с ♦«••мощью системы. Под руководством преподавателя студентам требуется ■•рмдка II часов, чтобы усвоить на практике учебный материал, который ■<ч ча 43 часа прослушали. Система достигает эффективности учителя-Намека. Обучающая среда даст возможность непосредственного создания ill 11 -npoipaMM. При этом она поддерживает определенное представление о и гуре и составе ЛИСП—программы. Система вмешивается тогда, когда ник делает ошибку при планировании или кодировании программы. Си^ртиза ЛИСП-учителя базируется на теории получения |»<1ммистских знаний. База знаний содержит представление о Рммистской подготовке и правила ЛИСП-программирования. Правила пуляются в виде системы продукций GRAPES. Она содержит базу ИМ! «правил-ошибок» (типичных ошибок программирования). Им'ктным» правилам соответствуют версии «корректных». Есть 325 • Продукции, 475 версий ошибок, возможность диагноза 45-80% № Модель ученика хранит путь решения и показывает релевантные ими правила. Ученик получает задание на уровне элементарных им» МИСПа. Для каждого задания существует гипотеза о корректных и ммых правилах. Таким образом, найденное количество правил

....... представляет текущую имитационную модель конкретного

■и* процесса -обучения. I Ilten пытается следовать инициативе ученика. Как только fp цоласг ошибку, система реагирует возможным сообщением. Когда ж нмтывает трудности, ЛИСП-система заменяет «модуль |мн»> на «модуль планирования», процесс структуризации задачи

I IV 2/99 99

МИГ

сменяет процесс кодирования. Когда достигается достаточная точность представления задачи, Lisp-Tutor снова переходит в модуль кодировании Адекватная реакция системы обеспечивается за счет использования правил ошибок в акции обучения. Каждый из обучаемых получает одинаковы* сообщения (реакции) системы на сделанные ими одинаковые ошибки. И системе отсутствует анализ полной модели ученика для текущего управлении процессом обучения. Оцениваются только отдельные реакции (дейстиим/ ученика. Преимуществом организации диалоговой компоненты систгмм является использование «чувствительного к синтаксису» языка редакн>г. Сценарий решения и объяснений определяется синтаксический конструкциями ошибок, к его реализации редактор готов сразу после иммл! ключевого слова комплексного шаблона (программной конструкции» размещенными в нем (шаблоне) необходимыми аргументами. В слу*Ш ошибки или просьбы о помощи система конструирует объяснения им

такого готового шаблона, который связан с активными прайм'......

продукции. Ученик не может на естественном языке запрашивать си» • только с помощью мешо. Экран содержит: «окно кода»; «окно учи" которое служит для выдачи учебной (обучающей) информации, и «окно цели», где представлена напоминающая информация об шег, целях. J

В системе 18 лекций, каждые от i до 4 часов, содержание жим» соответствует 1077 мин занятий в классе или 757 мин работы < < и» • Эффективность обучающей системы демонстрируют следующие |н сравнений различных форм обучения. J^^^H

Успешное окончание изучения 6 лекций: с учителем челимнми! часов; с системой - 15 часов; самостоятельно — 27 часом ||| достижения цели в обучении: обычные занятия в классе - 50%; машине - 69%; обучающая система - 84%; индивидуальное «>Л| учителем - 99%. 'f^H^

СПИСОК ЛИТЕРАТУРЫ

m

1. Clancey W., William I. «Intelligent tutoring systems: A tutorinl •«•• Issues in Expert Systems. Academic Press, 1987, p.37-78. I

2. Kunz G.C. und Schoff F. Intelligente Toturiclle Systeme; Vriluu hit Dr.C.J. Hogrefe, Göttingen, 1987.

1 T

ner K. Wissenbasierte Lehrsysteme / von Karin Lelnici

Oldenbourg, 1990. 173 p.

4. Dissel T. Intelligente Lehrsysteme: Entwiclung, Aiilbnn »m Neubiberg, 1991. • 40p. (Bericht N 9111). fl

5. Disse! T. Individualised course generation: a marriage ♦ Thomas Dissel, Juliia Vassileva, Axel Lehmann. - Neubiberg Unit München, 1992. 15p. (Bericht N 9208).

6. Interaktive Medien für die Aus und Weiterbildung: MmkOMijH

Zimmer — NTümbcrg: BWBiidungu. Wififitfl», I^JfM

7. Intelligent tatoring systems: Second International (uiiImmi ITS'92, Monreal, Canada, June 10-12, 1992. - Berlin;... 1992 * »

It

8. Student modeling: the key to individuallml hiiHtUity* lним) ЩЦЩИ w Jim E.Greer; Gordon I. Mc Calla. Publ. in сооремИии ими мл MI » м i Division. - Berlin,... 1994. - X, 383p. ^^^^ ▼

9. КИИ-96. Пятая национальная конференции « ♦ , Искусственный интеллект - 96»: Сб. научных ц>уфФ .» » ниш • Материалы секции «Обучающие системы». Капни., I . « i • »

10. Lusti М. Intelligente tutorelle Systeme: I inlll«HM|| Lernsysteme.-München.; Wien: Oldenbourg, 1992.1\2V/.

11. Dumslaff U. Eine Architektur für Tutor-S у stemo Дж I»« и чь.а .< он S. - Koblenz - Landau, Univ., Diss., 1994.

12. Kretschmer M. Die modellgestuetzte EntwickhiM|». ЫиН+у* » и Systeme. - Bovenden Unitext -Verl., 1994. 230p. - Goettingcn l fiil I. (Л

13. Barthel H. Konzeption und Entwicklung des inin.iln . ♦< i < \utorensystems UN1LEARN.-1992. 152p. - Dresden, Tcchn. I Jnlv . Ml «•• i

14. Eherer S. CoAuthor: Erfarungen mit der Implementierung rhu . .......t. ,

Mliyrisches Forschungszentrum für Wissenbasierte Systeme (1;( Ж WIV » ГНиму

THlInchen, Passau: FORWISS, 1991. P.17.

i

1жеева Ольга Николаевна, кандидат технических па\ъ |«ммгнни

биотехнический факультет Ульяновского политехнического ////, нпм\Щн

ч*пт кафедры информационных систем УлГТУИмеет т'бмммн'»' "

Iмрифию в области проектирования БД САПР и применении \<гтаенного интеллекта в этой области.

»«1.3.6(075)

N МЕРКУЛОВА, И.Р. КАРПОВА, Е.В. СУРКОВА

И РЕМЕННЫЕ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ В || 1МАТИЗАЦИИ УПРАВЛЕНЧЕСКОЙ ДЕЯТЕЛЬНОСТИ • 111РИЯТИЙ ДОРОЖНОГО СТРОИТЕЛЬСТВА

I9hii.ii содержит обзор основных подходов при проектировании задач ми.щии управленческой деятельности предприятий, содержит описание »кмин'о комплекса, предназначенного для автоматизации управленческой #Н1И| предприятий дорожного строительства, разработанного лабораторией ммшоиные системы в экономике» с участием авторов, приводит краткое описание ►•»п. »усмой при эксплуатации комплекса на некоторых предприятиях.

В..

• иуп множество подходов к автоматизации управленческой

и» . и предприятий. Эти подходы можно разбить по трем ■|М.

• исправлением можно считать индивидуальное программирование конкретного пользователя. Данный способ автоматизации

•м»(1 деятельности позволяет наиболее полно учесть все

IV //09

101

i Надоели баннеры? Вы всегда можете отключить рекламу.